车联网（Internet of Vehicles,Io V）使得车辆间能够通过无线通信交换感知到的道路状况以及车辆运动状态等信息,并根据接收到的信息及时做出反应来减少交通事故、缓解交通拥堵以及节省能耗。然而,由于车辆在复杂多变的环境中高速运动,车辆运动状态时常发生变化,网络拓扑变化频繁,导致网络时延、数据传递率等通信性能实时变化。一旦车联网通信性能无法满足基本的通信需求,车辆无法及时地收到安全信息,道路安全将得不到保障。因此,分析车联网的通信性能是十分必要的。无人驾驶车队与车载雾计算系统是车联网的两个典型应用场景。随着车辆装备越来越多的传感器,车联网中车辆产生的数据量急剧增加。然而,单个车辆计算能力有限,无法及时处理如此庞大的数据。为此,研究人员提出在车载雾计算系统中进行任务卸载。综合考虑传输时延、任务需求、车辆移动、任务到达、离开系统等因素,优化卸载策略是一个挑战。车联网中广泛采取IEEE 802.11p协议进行通信。本文聚焦无人驾驶车队与车载雾计算系统,分析基于802.11p的车联网通信性能以及优化车联网任务卸载策略,全文研究内容如下:（1）分析干扰下基于802.11p的车队通信实时性能。车队稳定性是车队安全的关键,车队受到干扰后,通信性能实时变化,影响着车队稳定性。此部分工作考虑干扰影响,分析基于802.11p的车队通信实时性能。首先建立网络连通模型;其次采取逐点稳态流体流动近似方法（Pointwise Stationary Fluid-Flow Approach,PSFFA）模拟传输队列的排队行为,得到数据包平均数目的表达式;然后基于网络连通模型得到802.11p服务时间的均值和方差,基于均值和方差求得数据包平均数目;最后推导了实时的数据包时延以及传递率,并通过仿真验证了干扰下802.11p协议能够维持车队稳定性。（2）多种计算需求下802.11p车载雾计算系统的任务卸载策略研究。计算需求不同的任务由802.11p不同优先级队列传输,传输时延不同。此部分工作考虑任务多种计算需求影响,优化车载雾计算系统的任务卸载策略以最大化系统收益。首先定义状态集、动作集并推导状态转移概率以及奖励函数,将卸载问题转化为半马尔可夫决策过程（Semi-Markov Decision Process,SMDP）;其次基于贝尔曼方程求得最优的任务卸载方案;最后通过仿真验证了所提的任务卸载策略比贪婪策略具有更好的性能。（3）车载雾计算系统辅助下802.11p车队任务卸载策略研究。当将车队任务分配给多辆车处理时,计算时延减少,但传输时延增加,权衡传输时延以及计算时延来最大化系统收益是任务卸载过程中的难题。此部分工作考虑802.11p传输时延影响,优化车载雾计算系统辅助下的车队任务卸载策略。首先用半马尔可夫决策过程模拟任务卸载过程,并建立模型计算802.11p传输时延,其次应用值迭代算法求解半马尔可夫决策模型获得最优任务卸载方案,最后通过仿真验证了所提出的任务卸载方案优于贪婪策略。